Mistral Nemo
8319°
Ejecutar este modelo
Ofertas / Anuncios
Mistral | contexto de 131,072 tokens | $0.03/M entrada, $0.03/M salida. Un modelo de 12B parámetros con longitud de contexto de 128k tokens construido por Mistral en colaboración con NVIDIA. El modelo es multilingüe, soportando inglés, francés, alemán, español, italiano, portugués, chino, japonés, coreano, árabe e hindi. Soporta llamada a funciones y se lanza bajo la licencia Apache 2.0.
Guías para este modelo
Mejor LLM local según el uso (octubre 2026): el modelo abierto adecuado para cada tarea
Ollama vs LM Studio (2026): qué app local de IA usar y qué modelos principales corre cada una
¿Cuánta VRAM necesito realmente para IA local?
Cómo instalar Ollama y ejecutar una IA local (Windows, Mac, Linux)
¿Qué es un archivo GGUF? Modelos cuantizados explicados (Q4, Q8, fp8, NF4)
Notas del capitán
Notas del 2026-10-13
Mistral Nemo es un modelo de 12 mil millones de parámetros construido conjuntamente por Mistral AI y NVIDIA, con una ventana de contexto de 128k tokens y cobertura multilingüe genuina en once idiomas. Se sitúa en un punto medio práctico: lo suficientemente pequeño para ejecutarse localmente en hardware de consumo, lo suficientemente barato vía API para dejarlo en producción sin preocuparte por el costo, y lo suficientemente capaz para reemplazar a Mistral 7B en la mayoría de pipelines. Los pesos bajo licencia Apache 2.0 significan que posees el despliegue.
Conocido por
- Licencia Apache 2.0: úsalo comercialmente, modifícalo, ejecútalo donde quieras.
- Ventana de contexto de 128k tokens en un modelo de 12B parámetros, inusualmente generosa para esta clase de tamaño.
- Soporte en once idiomas con datos de entrenamiento multilingües dedicados, no solo fine-tuning en inglés.
- Llamadas a funciones integradas, haciéndolo práctico para uso de herramientas y pipelines agenticos.
- Diseñado como una actualización directa para Mistral 7B con los mismos patrones de integración.
Cuidado con
- Las puntuaciones multilingües MMLU se agrupan entre altos 50 y bajos 60; fuerte para su tamaño, pero no a nivel frontera.
- Con 12B necesitará cuantización para ejecutarse cómodamente en GPUs con menos de 16 GB de VRAM.
Prompts para probar
Resumen multilingüe de documento
El siguiente párrafo está en francés. Resúmelo en inglés en tres puntos, luego traduce esos puntos al español y japonés.
"La transition énergétique représente l'un des défis les plus complexes du XXIe siècle. Elle implique non seulement des changements technologiques profonds, mais aussi des transformations économiques et sociales majeures qui touchent l'ensemble des secteurs d'activité."
Diseño de esquema para llamadas a funciones
Diseña un esquema JSON de función para una herramienta llamada get_weather. Debe aceptar un nombre de ciudad, un código de país opcional y un parámetro de unidad que acepte celsius o fahrenheit con celsius por defecto. Devuelve el esquema en el formato esperado por una API de llamadas a funciones, luego muestra un ejemplo de llamada para Tokio en celsius.
Revisión de contrato con contexto largo
Estás revisando un contrato de licencia de software. Identifica cláusulas que restrinjan sublicencias, impongan derechos de auditoría al licenciante o renueven automáticamente el contrato. Para cada cláusula encontrada, cita la frase relevante y explica en lenguaje sencillo qué obligación crea para el licenciatario. Si no hay ninguna, dilo explícitamente.
Comparar con
- Mistral Large 2407Modelo solo APIContexto de 131,072 tokens · $2.00/M entrada, $6.00/M salida
- Mistral Large 4Modelo solo APIContexto de 1,048,576 tokens · $0.68/M entrada, $2.09/M salida
- Ministral 3 3B 2512Modelo con pesos abiertosContexto de 131,072 tokens · $0.10/M entrada, $0.10/M salida
- Voxtral Small 24B 2507Modelo con pesos abiertosContexto de 32,768 tokens · $0.10/M entrada, $0.30/M salida
Más modelos de texto de mistralai
Preguntas frecuentes
- ¿Puedo ejecutar Mistral Nemo localmente?
- Sí. Los pesos son abiertos bajo Apache 2.0 y están disponibles en mistralai/Mistral-Nemo-Instruct-2407 en Hugging Face. Mistral AI soporta ejecutarlo vía mistral_inference, Hugging Face Transformers o NVIDIA NeMo.
- ¿Cuánto cuesta Mistral Nemo vía API y cuál es el límite de contexto?
- El precio API es $0.03 por millón de tokens tanto de entrada como de salida, y la ventana de contexto es de 128k tokens.
- ¿En qué se diferencia Mistral Nemo de Mistral 7B?
- Nemo es más grande con 12B parámetros, tiene una ventana de contexto mucho mayor de 128k tokens frente a la ventana más corta de 7B, añade entrenamiento multilingüe más amplio y está posicionado por Mistral como un reemplazo directo para 7B en pipelines existentes.
Veredicto del capitánUn caballo de batalla abierto y sensato de 12B: barato para ejecutar vía API, libre para desplegar localmente y una de las opciones multilingües más honestas en esta clase de tamaño.
Ficha del modelo en Hugging Face
El capitán escribe estas notas a partir de la descripción y ficha del modelo. Los precios y tamaños de contexto son los del proveedor al momento de escribir y pueden cambiar.
Ranking badge
Updated Oct 22, 2026
Made this model? Show this badge on your page.
Paste it into your Hugging Face card or Civitai description.
Also ranked: #63 Hottest Text / LLM model · #63 Hottest Text / LLM text model
Not this creator?
Get your own badge
Tendencia de popularidad de Mistral Nemo
Puntuación de calor, últimos 12 meses
Puntuación de popularidad
8,319°
Esta semana
▲
0.3%
8,317° entonces, 8,319° ahora
Este mes
▲
1.1%
8,314° entonces, 8,319° ahora
Último año
▲
25.2%
8,242° entonces, 8,319° ahora
7,000°
Piso
La escala va de 0° a 9,999°. Todo lo que está por debajo de 7,000° se reserva para modelos que ninguna fuente reporta aún, que llevan un número provisional ahí para que las listas se mantengan completas. 7,000° es donde empiezan los datos medidos: un modelo con datos reales pero casi sin descargas se sitúa en el piso, y las mediciones llenan los grados por encima. El piso no dice nada sobre el modelo; solo los grados por encima lo hacen, y son los que separan un modelo de otro.
+1,319°
Tokens de OpenRouter
248,311,320,782 tokens procesados por este modelo a través de OpenRouter en los últimos 30 días, sumando prompts y respuestas. Cada 10,000,000 tokens cuentan como una descarga en el periodo de descargas, 24,831 en total; los tokens del último día se suman a la tasa de adopción. Fuente: OpenRouter (openrouter.ai/rankings).
Mostrar desglose detallado
Cada número en este sitio se puede verificar. La puntuación de popularidad de este modelo es 8,319°, y aquí se construye un ingrediente a la vez, con el total acumulado después de cada uno: el piso, los grados que añade cada fuente, el bono por el tipo de modelo y lo que la antigüedad de sus pesos resta. Los colores son las bandas del gráfico de arriba. El glosario al final define cada término.
- 1Empieza en el piso.Por qué 7,000° y no cero: la escala va de 0° a 9,999°, y la parte por debajo de 7,000° está reservada para modelos que ninguna fuente reporta aún, que llevan un número provisional ahí para que las listas se mantengan completas y nunca superen a un modelo con datos. 7,000° es donde empiezan los datos medidos. Un modelo con datos reales pero casi sin descargas está aquí; todo lo que sigue es medición, y el espacio sobre el piso tiene diez pasos de diez veces más descargas a 300° cada uno. El piso es igual para todos los modelos, así que no decide nada; los grados por encima sí.7,000°total acumulado
- 2Suma las descargas.24,831 equivalentes a descargas en total, de Tokens de OpenRouter. Diez veces las descargas suman el mismo 300°, así que el tamaño importa pero nunca domina la puntuación.+1,319°8,319°total acumulado
- =La puntuación heat.Dónde está este modelo en cada lista de este sitio. Nada más la ajusta.8,319°
Glosario: los términos usados aquí
- Puntuación heat
- Un número que muestra cuánto se usa y quiere un modelo ahora mismo, de 0° a 9,999°. Cada lista en este sitio que dice más popular está ordenada por esto y nada más.
- Piso
- Los 7,000° con los que empieza todo modelo con datos reales. La escala va de 0° a 9,999°; la parte bajo el piso está reservada para sustitutos (modelos sin datos), para que un modelo con datos siempre esté por encima de uno sin. El piso es igual para todos y no decide nada; los grados sobre él son la medida.
- Equivalentes a descargas
- Todo lo que la puntuación trata como una descarga, sumado: las descargas mismas, cada seeder de torrent como 1,000, cada imagen de AI Horde y cada ejecución en un sitio de generación como uno.
- Escala logarítmica
- Cuenta de a decenas, no de a uno: pasar de 1,000 a 10,000 descargas suma los mismos grados que pasar de 10,000 a 100,000. Evita que los gigantes opaquen todo lo demás.
- Likes
- Pulgares arriba y likes de todas las fuentes, valen la mitad de una descarga cada uno en la escala logarítmica.
- Tasa de adopción
- Cuántas descargas al día recibe un modelo ahora mismo, según la diferencia entre dos lecturas de una fuente. Un cuarto del peso del término de descarga.
- Medido y estimado
- Medido significa que hay dos lecturas de una fuente y la diferencia es real. Estimado significa que solo se conoce el total de hoy y el pasado se distribuye a lo largo de la vida del modelo; el sitio indica cuál está mostrando.
- Seeder
- Alguien que mantiene una copia de los pesos en línea para que otros la descarguen por torrent, o un espejo alojado que hace lo mismo. Cada uno cuenta como 1,000 descargas.
- AI Horde
- Una red de voluntarios que genera imágenes gratis en computadoras donadas. El número de imágenes que ha hecho con un modelo es público, y cada una cuenta como una descarga.
- Sitios de generación
- Sitios que alojan sus propias copias de un modelo y permiten que la gente genere con él, como PixAI, SeaArt y Yodayo. Sus descargas cuentan igual que las de Civitai y cada generación cuenta como una descarga.
- Tokens de OpenRouter
- Un modelo de texto servido mediante una API, como Claude o GPT, no tiene pesos para descargar, por lo que su uso se mide en tokens: fragmentos de texto que leyó y escribió a través de OpenRouter, una puerta de acceso que usan muchas apps, durante los últimos 30 días. Cada 10,000,000 tokens cuentan como una descarga. Fuente: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
- Modelo completo (checkpoint)
- Los pesos en sí, el archivo que genera por sí solo. Tiene un bono porque los complementos dependen de él.
- LoRA y embedding
- Archivos pequeños que dirigen los pesos de otro hacia un estilo, personaje o concepto. No pueden funcionar solos.
- Familia y pesos
- La base sobre la que se construye un modelo, como SD 1.5, SDXL, Flux o Wan. Cada modelo hereda la fecha de lanzamiento de los pesos de su familia.
- Antigüedad
- Grados descontados según hace cuánto salieron los pesos de la familia: 150° por año, hasta 750°. Mantiene las descargas antiguas que tuvieron años para acumularse congelando la cima de la lista.
- Impulso de familia
- Un pequeño empujón limitado para LoRAs de una familia que este sitio está promoviendo ahora, siempre listado en el desglose.
- Puntaje provisional
- Un número estable por debajo del mínimo dado a un modelo que aún no tiene reportes de fuentes, para que las listas estén completas. Nunca se posiciona por encima de un modelo con datos.
- ¡Nuevo! (periodo de gracia)
- Un modelo con menos de 7 días muestra ¡Nuevo! en lugar de una puntuación y no ocupa lugar en los rankings. Su puntuación se calcula desde el primer día, pero un modelo de un día crece más rápido que cualquier otro, así que sin este periodo el #1 de la semana siempre sería el que salió ayer en vez del que se mantuvo una semana.
- Tendencia
- Cómo el crecimiento de un modelo en un período se compara con el crecimiento típico de modelos en ese mismo período. Más rápido que lo típico se lee como subida, más lento como bajada.
- Modelo típico
- El punto medio del catálogo: la mitad de los modelos con cifras crecieron más rápido en el período, la otra mitad más lento.
Cómo se ha movido la popularidad de este modelo frente al resto del catálogo: su crecimiento en descargas, likes y uso en cada periodo, medido contra el crecimiento típico de un modelo en el mismo periodo, con su puntuación de calor en ese momento. Por encima del crecimiento típico se lee como un aumento, por debajo como una caída. El pasado se reconstruye a partir de los totales de hoy, el primer día del modelo y su velocidad de descarga medida cuando hay dos lecturas; un modelo que no existía al inicio de un periodo muestra n/a.
Mistral Nemo es un modelo de texto para la familia Text / LLM listado en ModelTrends.ai, un catálogo de solo lectura de modelos de IA de imagen, vídeo y texto de código abierto. Compáralo con otros modelos Text / LLM y consulta su puntuación de calor para ver su tendencia.
Más modelos Text / LLMMás Texto / LLM de Text / LLMllmmistralaimultilingüelocalpresupuestoagentescontexto largo
Explorar por familia de modelos
Modelos Text / LLM
434
Modelos Anima
528
Modelos Chroma
19
Modelos Fibo
2
Modelos Flux
1,496
Modelos Flux 2 / Klein
1,239
Modelos Flux 3
3
Modelos Moss
3
Modelos Iris
1
Modelos MiniMax H3
364
Modelos Hunyuan
204
Modelos Ideogram
20
Modelos Krea2
717
Modelos Qwen
20
Modelos Qwen2
47
Modelos Ltx2
153